优的模态分层数。本文提出的方法识别精度较高。利用法对外伸梁模型进行模态参数识别，通过与模态频率和模态阻尼的识别结果比较，证明了本文方法的优越性。尤其是在模态阻尼识别中，方法无法识别出阻尼比，而方法能识别出不同噪声下的阻尼比，效果较好且稳定。根据样本数据的不同特点，分别用模态频率的逐对比较法检验模态阻尼的值法检验和模态振型的法估计对和识别响，对多个极小值取平均亦能够减小该方法的识别误差。图第阶模态振型值的获取数据驱动的随机子空间直接利用响应数据确定随机子空间系统矩阵的方法称为数据驱动随机子空间方法。方法因为可以直接利用传感器提取的响应信息进行参数识别，对大型复杂结构尤为方便有效。下文将简称为。数学模型自由度的般黏性阻尼系统的振动微分方程为⋅⋅˙式中，˙，⋅⋅分别为用物理坐标描述的阶位移列阵，速度列阵和加速度列阵为阶外部激励列阵分别为系统的质量矩阵，阻尼矩阵和刚度矩阵，均为实对称阵为随时间变化的输入向量为输入位臵矩阵。定义状态向量˙，由复模态分析基本理论和现代控制理论可得随机状态空间模型式中为离散系统的状态向量为采样周期为采样点个数，分别为离散后相应的激励向量和响应向量，分别为离的阻尼比，效果较好且稳定。根据样本数据的不同特点，分别用模态频率的逐对比较法检验模态阻尼的值法检验和模态振型的法估计对和识别结果进行统计检验，结果显示，对模态参数识别误差的均值均小于传统方法，表明使模态参数的识别精度总体得到了提高。需要指出的是，接下来的工作中，需要用更多的数值和试验进步验证本文方法的有效性。此外，信号分解时自适应共振的中心频率及带宽的选取也需进步研究。参考文献曹树谦，张文德，萧龙翔振动结构模态分析理论实验与应用第版天津天津大学出版社，李帅工程结构模态参数辨识与损伤识别方法研究重庆重庆大学，刘长良，武英杰，甄成刚基于变分模态分解和模糊均值聚类的滚动轴承故障诊断中国电机工程学报，刘尚坤，唐贵基，王晓龙基于改进变分模态分解的旋转机械故障时频分析方法振动工程学报，唐贵基，王晓龙融合奇异值差分谱的滚动轴承早期故障诊断振动测试与诊断，牟伟杰基于对结构模态参数识别的探究建筑物理学论文及最优模态数信号分解结合维纳滤波希尔伯特变换和谐波混频的思想，通过搜寻约束变分模型最优解来实现信号自适应分解。将输入信号分解为系列独立的子信号，每子信号都有对应的中心频率。信号分解问题如式所示ϕ⋯，式中为待分解多分量信号为分解得到的单分量信号为分解层数为的瞬时振幅ϕ为的瞬时相位ϕ为瞬时频率。瞬时振幅及瞬时频率相对于瞬时相位ϕ来说是缓变的，即在，的间隔范围内，可看作是个幅值为，频率为的谐波信号，其中。根据统计学理论，臵信区间认为可信度的依据是强的，因此取，臵信水平。由样本数据算得的臵信水平为的臵信区间为−−∗−−−−−−−−∗−−−−−−。根据辨识域的不同，模态参数识别方法可分为频域识别法时域识别法及时频域识别法，。频域法是以频响函数为基础的模态参数识别方法，主要有峰值拾取法频域分解法频率空间域分解等。此类方法对于密集模态识别效果不明显，且对于具有高噪声或非平稳特性信号的模态识别更加困难。时域法是以时域信号为基础的模态参数识别方法，常见方法有时域法，特征系统实现算法，和随机子空间法，等。技术是最著名的时域方法，通过对原始测量时间序列进行模态参数估计。方法识别精度高，但计算效率低，定阶困难。为此，李帅提出基于奇异值差分谱的与模型定阶方法。时频域识别法同时分析处理信号的时域信息与频域信息，有效地弥补了时域分析法与频域分析法只能单独处理时域信息或频域信息的缺陷。经验模态定有效。试验模态方法往往对于信噪比高低阶分量的识别效果较好，随着噪声的增加，识别效果会变差。在噪声下，识别出的第阶模态阻尼误差达到了，相较的识别误差，识别效果有所改善。此处的方法未采取改变系统阶数的方式使用稳定图对模态参数进行进步识别，可以看出，方法在不使用繁琐的稳定图的情况下就可以对频率和阻尼进行精确识别。基于的振型识别提取外伸梁加速度信号时，个传感器只能提取振型中的个数值，因此想要得到较完整的振型图形，必须要增加传感器数量。本文以识别阶模态振型为例，测量个节点的向加速度，这个传感器布臵均匀，均避开了阶模态的振型节点。加之第个节点的响应为，因此以个节点的振型识别组成最终的振型向量。个传感器所在的节点位臵如表所示。基于对结构模态参数识别的探究建筑物理学论文。摘要将变分模态分解和随机子空间法结合，提出了基于的结构模态参数识别新方法。针对中的模态分层数值分解信号去噪为了评价算法的抗噪能力和稳定性，向外伸梁提取的加速度响应信号中添加不同程度的噪声，分别进行值优化后的分解。由于篇幅限制，图仅给出信噪比时，分解前后前阶模态分量的时域波形和频谱图。分解得到路信号，而只有图中的路信号为可用的模态分量，其余噪声信号此处不再展示。可以看出方法清晰地分解出了前阶模态分量。去噪后比去噪前频谱图更光滑，滤除了由噪声模态引起的多个干扰分量，模态频率识别性更高。其他信噪比信号样本分解效果类似，不再赘述。模态参数识别频率和阻尼比识别对分解后的模态分量进行模态参数识别。由于此时系统已经实现了良好定阶，所以将的阶次臵为阶即可，以减小的算法复杂度。表中分别列出了不同噪声水平下，传统和本文方法模态参数识别的结果。表与对外伸梁模态频率识别结果可以看出，在不同的噪声水平下，两种方法都能较好识别出模态频率，识别结果基本致，误差都中，由于总体的分布是未知的，于是通过对识别误差随机变量进行重复独立观察，得到多组观察值，研究样本及其抽样分布，进行假设检验，从而对和总体的性能进行推断。模态频率的逐对比较法检验为了比较两种算法的差异，在相同条件下做对比试验，得到组观察值，然后分析观察数据做出推断，这种方法称为逐对比较法。和两种算法识别出的模态频率是成对出现的，使用逐对比较法评价这两种算法的性能。将表中的频率识别误差用箱线图统计，如图所示。图频率识别误差箱线图箱线图横坐标中表示，表示图中疑似异常值以符号表示。样本数据按噪声水平进行分组，比较两种方法识别出模态频率的误差散布程度。可以看出，疑似异常值只有个，说明数据的波动性在正常范围内。而和的中位数对比关系随着噪声的增加没有明显的单调变化，可通过均值对比两种方法的性能，因此选用逐对比较法检验进行统计检验。以第阶模态为例进行分析。模态频率识别误差如表所示。对阻尼比的识别误差大多控制在以内，识别结果稳定有效。试验模态方法往往对于信噪比高低阶分量的识别效果较好，随着噪声的增加，识别效果会变差。在噪声下，识别出的第阶模态阻尼误差达到了，相较的识别误差，识别效果有所改善。此处的方法未采取改变系统阶数的方式使用稳定图对模态参数进行进步识别，可以看出，方法在不使用繁琐的稳定图的情况下就可以对频率和阻尼进行精确识别。基于的振型识别提取外伸梁加速度信号时，个传感器只能提取振型中的个数值，因此想要得到较完整的振型图形，必须要增加传感器数量。本文以识别阶模态振型为例，测量个节点的向加速度，这个传感器布臵均匀，均避开了阶模态的振型节点。加之第个节点的响应为，因此以个节点的振型识别组成最终的振型向量。个传感器所在的节点位臵如表所示。中值的优化方法可以从处传感器位臵的输出信号中分解出所有模态分量，以第个节点为例，选取其方向的响应信号作为样本进行值优化，响应幅值为，频率为的谐波信号，其中。分解信号去噪为了评价算法的抗噪能力和稳定性，向外伸梁提取的加速度响应信号中添加不同程度的噪声，分别进行值优化后的分解。由于篇幅限制，图仅给出信噪比时，分解前后前阶模态分量的时域波形和频谱图。分解得到路信号，而只有图中的路信号为可用的模态分量，其余噪声信号此处不再展示。可以看出方法清晰地分解出了前阶模态分量。去噪后比去噪前频谱图更光滑，滤除了由噪声模态引起的多个干扰分量，模态频率识别性更高。其他信噪比信号样本分解效果类似，不再赘述。模态参数识别频率和阻尼比识别对分解后的模态分量进行模态参数识别。由于此时系统已经实现了良好定阶，所以将的阶次臵为阶即可，以减小的算法复杂度。表中分别列出了不同噪声水平下，传统和本文方法模态参数识别的结果。表与对外伸梁模态频率识别结果可以看出，在不同的噪声水平下等。技术是最著名的时域方法，通过对原始测量时间序列进行模态参数估计。方法识别精度高，但计算效率低，定阶困难。为此，李帅提出基于奇异值差分谱的与模型定阶方法。时频域识别法同时分析处理信号的时域信息与频域信息，有效地弥补了时域分析法与频域分析法只能单独处理时域信息或频域信息的缺陷。经验模态分解，属于典型的时频分析法，实现了信号在频率时间域内的表示，可将其和变换结合进行模态参数识别。然而，此方法存在模态混叠对噪声敏感等缺陷，使其应用受到限制。等提出变分模态分解方法该方法在声调检测与分离地震信号分析机械故障诊断等领域的应用效果优于方法。等尝试将方法应用于结构参数识别中，但是该方法未对分解信号时如何选择分解层数进行基于对结构模态参数识别的探究建筑物理学论文表频率识别误差的逐对比较法检验频率识别误差，其观察值为频率识别误差，其观察值为，为样本容量，此处取为。同对数据，的差异可以看成是仅由和两种方法的性能差异引起的。的观察值表示为。设其中与未知，为总体的均值和方差。基于样本检验假设∶，∶原假设表示的频率识别误差不小于方法，性能没有提高备择假设表示的频率识别误差小于方法，说明的频率识别效果